Nghiên cứu so sánh một số bộ điều khiển ứng dụng mạng nơron nhân tạo cho bài toán điều khiển tần số hệ thống điện

TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 18 17 
NGHIÊN CỨU SO SÁNH MỘT SỐ BỘ ĐIỀU KHIỂN 
ỨNG DỤNG MẠNG NƠRON NHÂN TẠO 
CHO BÀI TOÁN ĐIỀU KHIỂN TẦN SỐ HỆ THỐNG ĐIỆN 
A COMPARATIVE STUDY ON CONTROLLERS APPLYING TYPICAL NEURAL 
NETWORKS TO LOAD-FREQUENCY CONTROL OF A POWER SYSTEM 
Nguyễn Ngọc Khoát1, Vũ Duy Thuận1, Trịnh Nguyễn Viết Tâm2, Dương Văn Lưu1, 
Phùng Thị Ngát1 
1Trường Đại học Điện lực, 2Tổng công ty Điện lực TP Hồ Chí Minh 
Ngày nhận bài: 30/10/2018, Ngày chấp nhận đăng: 20/12/2018, Phản biện: TS. Nguyễn Đăng Toản 
Tóm tắt: 
Điều khiển tần số nhằm duy trì tần số của hệ thống điện ở giá trị danh định (50 Hz hoặc 60 Hz) khi 
phụ tải của hệ thống điện thay đổi liên tục là vấn đề quan trọng hàng đầu trong việc truyền tải và sử 
dụng điện năng. Với ưu điểm nổi bật về sự đơn giản, bộ điều khiển PID truyền thống được áp dụng 
trước tiên đề giải quyết bài toán này. Tuy nhiên, đối với đối tượng là hệ thống điện lớn phức tạp thì 
bộ điều khiển PID chưa đạt được hiệu quả mong muốn. Bài báo này đề xuất giải pháp sử dụng các 
bộ điều khiển mạng nơron nhân tạo để thiết kế bộ điều khiển tần số. Nghiên cứu đã đưa ra và so 
sánh ba bộ điều khiển mạng nơron nhân tạo tiêu biểu cho bài toán điều khiển tần số lưới điện: 
NARMA-L2, Model Reference Adaptive Controller (MRAC) và Model Predictive Controller (MPC). Kết 
quả mô phỏng cho thấy bộ điều khiển mạng nơron NARMA-L2 cho chất lượng đầu ra của hệ thống là 
tốt nhất và phù hợp với bài toán điều khiển tần số của một lưới điện lớn. 
Từ khóa: 
Điều khiển tần số - phụ tải, bộ điều khiển tỉ lệ - tích phân - vi phân, mạng nơron nhân tạo, NARMA-
L2, MRAC, MPC. 
Abstract: 
Load frequency control (LFC) aiming to maintain system frequency at a nominal value (50Hz or 
60Hz) against continuous load changes is one of the most important problems in electric power 
transmission and operation. Due to the simplicity, classical PID controllers have been used at first to 
solve this issue. However, for complicated power networks, the PID controllers may not achieve the 
desired efficiency. In order to overcome this problem, the article proposes using artificial neural 
networks (ANN) to the LFC of an interconnected power system. This study presents three typical LFC 
controllers based on ANN: NARMA-L2, Model Reference Adaptive Controller (MRAC) and Model 
Predictive Controller (MPC). Simulation results reveal that NARMA-L2 provides the best control 
system output and it is highly suitable for the LFC of a large-scale power system. 
Keywords: 
Load-frequency control, PID, artificial neural networks, NARMA-L2, MRAC, MPC. 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
18 Số 18 
1. GIỚI THIỆU 
Một hệ thống điện lớn và phức tạp thường 
bao gồm nhiều hệ thống điện con, chúng 
còn được gọi là vùng phát điện hay vùng 
điều khiển. Các vùng này liên kết với 
nhau bởi các đường dây truyền tải (tie-
line) để trao đổi công suất. Trong quá 
trình vận hành hệ thống điện đa kết nối 
trên, phụ tải tại bất kỳ khu vực nào cũng 
có thể thay đổi ngẫu nhiên và liên tục tùy 
theo nhu cầu của người dùng. Do mối 
quan hệ trực tiếp giữa công suất tiêu thụ 
và tốc độ đồng bộ của máy phát, khi công 
suất thay đổi sẽ dẫn đến tốc độ quay của 
máy phát thay đổi theo. Do đó tần số 
trong hệ thống sẽ lệch khỏi giá trị danh 
định (50 Hz hoặc 60 Hz). Tần số hệ thống 
thay đổi sẽ ảnh hưởng trực tiếp đến hệ 
thống điện và các thiết bị điện đang làm 
việc do phụ thuộc vào tần số của lưới 
điện. Việc xây dựng các bộ điều khiển để 
điều khiển tần số lưới điện trở nên vô 
cùng quan trọng trong vận hành ổn định 
hệ thống điện. Vai trò chính của các bộ 
điều khiển này là duy trì sự ổn định tần số 
lưới ở giá trị danh định và phân bổ công 
suất trao đổi trên đường dây để đảm bảo 
hệ thống điện hoạt động tối ưu và kinh tế. 
Để đạt được các mục tiêu điều khiển ở 
trên, điều khiển tần số trong một hệ thống 
kết nối được thực hiện thông qua ba cấp 
điều khiển: điều khiển cấp I (sơ cấp), điều 
khiển cấp II (thứ cấp) và điều khiển cấp 
III. Điều khiển cấp I được thực hiện do 
các bộ điều tốc của tuabin, cho phép thay 
đổi lưu lượng nước hoặc hơi vào tuabin tỷ 
lệ với sự biến đổi của tần số. Mục tiêu 
chính của điều khiển cấp I là nhanh chóng 
kiềm chế sự mất cân bằng giữa công suất 
phát và công suất tải nhưng vẫn còn tồn 
tại một độ lệch tần số. Điều khiển cấp II 
về cơ bản được sử dụng để tự động phục 
hồi tần số và phân bổ lại công suất trao 
đổi giữa các khu vực khác nhau được kết 
nối với nhau (tức là ∆f = 0, ∆Ptie = 0). 
Bằng việc sử dụng sự kết hợp cả độ lệch 
tần số và sai lệch công suất trao đổi trên 
đường dây liên lạc, cụ thể là các sai lệch 
tín hiệu điều khiển khu vực (ACE) làm tín 
hiệu đầu vào cho bộ điều khiển cấp II, kết 
quả là, tần số được khôi phục về giá trị 
danh định. Điều khiển cấp III là điều 
chỉnh máy phát có xét đến tính kinh tế và 
trào lưu công suất trên đường dây bằng sự 
can thiệp của kỹ sư điều độ hệ thống điện. 
Ngoài ra còn các hệ thống rơle bảo vệ tần 
số cao, tần số thấp được đặt tại các nhà 
máy điện để đảm bảo hệ thống điện vận 
hành một cách tin cậy. 
Trong thực tế, có hai loại bộ điều khiển 
là: các bộ điều khiển truyền thống và các 
bộ điều khiển thông minh. Các bộ điều 
khiển truyền thống gồm các bộ điều khiển 
như: tích phân (I), tỷ lệ - tích phân (PI) 
hoặc tỷ lệ - tích phân - vi phân (PID) [1] 
được sử dụng để làm giảm độ lệch của tần 
số và độ lệch công suất trao đổi trên 
đường dây liên kết. Tuy nhiên, khi áp 
dụng các bộ điều khiển này lại cho chất 
lượng đầu ra của hệ thống chưa được tốt, 
chẳng hạn như độ quá điều chỉnh lớn và 
thời gian xác lập dài, gây ảnh hưởng đến 
hoạt động và độ ổn định của hệ thống. Để 
khắc phục những hạn chế này, các bộ điều 
khiển tần số thông minh ứng dụng logic 
mờ (Fuzzy logic - FL), và mạng nơron 
nhân tạo (Artificial Neural Network - 
ANN) đã được nghiên cứu rộng rãi trong 
những năm gần đây [2-8]. Bằng cách sử 
dụng các bộ điều khiển thông minh mà 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 18 19 
chất lượng đầu ra của hệ thống đã được 
cải thiện đáng kể và đạt được các yêu cầu 
mong muốn. 
Bài báo này sẽ đưa ra một nghiên cứu so 
sánh hiệu quả của các bộ điều khiển khác 
nhau trong việc điều khiển tần số lưới 
điện. Ngoài bộ điều khiển truyền thống 
PID, ba bộ điều khiển điển hình sử dụng 
kiến trúc mạng nơron nhân tạo, gồm bộ 
điều khiển NARMA-L2, bộ điều khiển 
thích nghi bám theo mô hình mẫu (Model 
Reference Adaptive Controller - MRAC) 
và mô hình điều khiển dự báo (Model 
Predictive Controller -MPC) cũng sẽ được 
khảo sát trong bài báo này. Một mô hình 
hệ thống điện liên kết gồm ba khu vực 
được xây dựng như một nghiên cứu điển 
hình để áp dụng các bộ điều khiển trên. 
Từ việc đánh giá các kết quả mô phỏng 
thu được khi sử dụng phần mềm 
MATLAB/Simulink, các bộ điều khiển 
mạng nơron nhân tạo đã được chọn làm 
giải pháp hiệu quả cho vấn đề điều khiển 
tần số lưới điện. 
Cấu trúc các phần sau của bài báo như 
sau: phần 2 trình bày về mô hình hệ thống 
điện đa khu vực trong bài toán điều khiển 
tần số lưới điện; phần 3 phân tích ứng 
dụng của các bộ điều khiển khác nhau 
trong việc điều khiển tần số lưới điện; 
phần 4 nêu các kết quả mô phỏng kiểm 
nghiệm cho các bộ điều khiển kiểm soát 
tần số khác nhau; những kết luận về 
nghiên cứu được trình bày trong phần 5. 
2. XÂY DỰNG MÔ HÌNH HỆ THỐNG 
ĐIỆN TRONG BÀI TOÁN ĐIỀU KHIỂN 
TẦN SỐ - PHỤ TẢI 
Với mục đích phân tích và so sánh hiệu 
quả của các bộ điều khiển tần số-phụ tải 
lưới điện, trong bài báo này chúng ta xét 
đến mô hình lưới điện điển hình ba khu 
vực sử dụng các loại tuabin như sau: 
tuabin hơi không hồi nhiệt, tuabin hơi hồi 
nhiệt và tuabin thủy lực. Sơ đồ khối đơn 
giản biểu diễn nguyên lý của nhà máy 
điện được thể hiện trong hình 1. Bộ điều 
tốc kiểm soát lưu lượng hơi vào tuabin 
trong hệ thống điện. Khi phụ tải thay đổi 
tăng hoặc giảm thì sai lệch giữa công suất 
phát ra và công suất tiêu thụ được phát 
hiện đưa đến bộ điều tốc. Tùy thuộc vào 
giá trị sai lệch này, bộ điều tốc thay đổi 
góc mở của van đầu vào, qua đó điều 
chỉnh lưu lượng của hơi nước đi vào 
tuabin. Kết quả điều khiển là tốc độ quay 
đồng bộ của máy phát sẽ được ổn định 
trong một dải cho phép dẫn đến tần số 
lưới điện sẽ được điều khiển xung quanh 
giá trị danh định. 
Bộ điều tốc
Máy phát Tua bin
 MBA
Hơi nước vào
Hơi nước ra
trục
Hình 1. Sơ đồ khối biểu diễn nhà máy nhiệt điện 
Hình 2 cho thấy cấu trúc của hệ thống 
điện liên kết ba khu vực điều khiển, mỗi 
khu vực điều khiển được kết nối với các 
khu vực khác để trao đổi công suất. Do đó 
phụ tải ở bất kỳ khu vực nào thay đổi 
cũng ảnh hưởng đến tần số cũng như độ 
lệch công suất trao đổi trên đường dây 
liên kết (tie-line). 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
20 Số 18 
~ ~
~
Đường dây liên kết
Tải 1 Tải 2
 Tải 3
Khu vực 1 Khu vực 2
 Khu vực 3
Hình 2. Mô hình hệ thống điện 3 khu vực liên kết 
Như đã đề cập trước đó, mỗi khu vực điều 
khiển về cơ bản được tạo thành bởi một bộ 
điều khiển, một bộ điều tốc, một tuabin - 
máy phát điện và phụ tải. Cấu trúc của nhà 
máy nhiệt điện tuabin không hồi nhiệt đơn 
giản được trình bày trong hình 3 bên dưới. 
Đầu vào của bộ điều khiển là tín hiệu sai 
lệch ACE và đầu ra của bộ điều khiển là 
tín hiệu thay đổi công suất 𝑃𝑟𝑒𝑓 [9-12]. 
𝑲
𝟏 + 𝒔𝑻
𝟏
𝟏 + 𝒔. 𝑻𝒕
𝟏
𝟏 + 𝒔𝑻𝒈
𝑷𝒓𝒆𝒇 
∆𝑷𝒕𝒊𝒆 
 -
∆𝑷𝒆 
∆𝑷𝒗 ∆𝑷𝑻 
∆𝑷𝒎 
- ∆𝑷𝑳 
Bộ điều tốc Tua bin Máy phát
 -
Bộ ĐK
1
𝑅
+ ACE
B
∆𝑓 
𝐵 
Hình 3. Cấu trúc của một vùng sử dụng tuabin không hồi nhiệt 
𝑲
𝟏 + 𝒔𝑻
𝟏 + 𝒔𝑻𝑹
𝟏 + 𝒔. 𝑻𝑯
𝟏
𝟏 + 𝒔𝑻𝒈
𝑷𝒓𝒆𝒇 
∆𝑷𝒕𝒊𝒆 
 -
∆𝑷𝒆 ∆𝑷𝒗 ∆𝑷𝑻 
∆𝑷𝒎 
-
∆𝑷𝑳 
Bộ điều tốc Tua bin Máy phát
 -
𝟏 − 𝒔𝑻𝒘
𝟏 + 𝟎, 𝟓𝒔. 𝑻𝒘
Bộ điều tốc thủy lực
Bộ ĐK
1
𝑅
+ ACE
∆𝑓 
B 
Hình 4. Cấu trúc một vùng sử dụng tuabin thủy lực 
𝑲
𝟏 + 𝒔𝑻
𝟏
𝟏 + 𝒔. 𝑻𝒕
𝟏
𝟏 + 𝒔𝑻𝒈
𝑷𝒓𝒆𝒇 
∆𝑷𝒕𝒊𝒆 
 -
∆𝑷𝒆 ∆𝑷𝒗 ∆𝑷𝑻 ∆𝑷𝒎 
-
Bộ ĐK
∆𝑷𝑳 ACE+
+
Điều tốc Tua bin hồi nhiệt Máy phát 
 -
𝟏 + 𝒔𝑲𝒓𝑻𝒓
𝟏 + 𝒔. 𝑻𝒓
∆𝑓 
1
𝑹
 B
Hình 5. Cấu trúc của một vùng dùng tuabin hồi nhiệt 
Cấu trúc của nhà máy thủy điện được thể 
hiện trong hình 4 [9-12]. 
Bên cạnh đó, cấu trúc của nhà máy nhiệt 
điện sử dụng các tuabin hồi nhiệt như 
hình 5 [9-12]. 
Trong các mô hình này, bộ điều tốc được 
sử dụng để phát hiện tần số thay đổi gây 
ra bởi sự thay đổi của phụ tải và đưa tần 
số về đúng giá trị bằng cách thay đổi độ 
mở của van điều khiển lưu lượng hơi hoặc 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 18 21 
nước vào tuabin. Khi phụ tải thay đổi, 
một phần của thay đổi sẽ được bù bằng 
điều chỉnh van và một phần của thay đổi 
được biểu diễn dưới dạng độ lệch tần số. 
Mục tiêu của LFC là điều chỉnh độ lệch 
tần số khi công suất tải hoạt động khác 
nhau. Do đó, bộ điều tốc được sử dụng để 
điều chỉnh các vị trí van sao cho máy phát 
điện phát ra công suất phù hợp với công 
suất tải thay vì dẫn đến độ lệch tần số. 
Khi tải thay đổi bộ điều tốc sẽ phát hiện 
sự khác biệt giữa công suất tham chiếu 
(𝑃𝑟𝑒𝑓) và các thay đổi về tần số khu vực 
(∆f). Sự thay đổi công suất điện (∆𝑃𝑒) 
được đưa ra làm đầu vào cho bộ điều tốc. 
Đầu ra của bộ điều chỉnh tốc độ điều 
khiển lưu lượng hơi hoặc nước vào tuabin 
bằng cách thay đổi vị trí van (∆𝑃𝑣). Hàm 
truyền đạt của bộ điều tốc ở chế độ xác 
lập được đưa ra như sau [9-12]: 
ge
V
đt
TssP
sP
sG
.1
1
)(
)(
)(
 (1) 
Trong đó 𝑇𝑔(s) là hằng số thời gian đặc 
trưng cho bộ điều tốc. 
Tuabin trong nhà máy điện dùng để biến 
đổi năng lượng từ hơi hoặc nước thành 
công suất cơ (∆𝑃𝑇) để kéo máy phát điện. 
Hàm truyền đạt của tuabin hơi không hồi 
nhiệt, tuabin hơi hồi nhiệt và tuabin thủy 
lực lần lượt được viết như sau [9-12]: 
_ _
( ) 1
( )
( ) 1 .
T
T non reheat
V t
P s
G s
P s s T
 (2) 
_
1 1 . .
( ) .
(1 . ) (1 . ).
r r
T reheat
t r
s K T
G s
s T s T
 (3) 
_
1
1 0.5. .
WT
T hydro
V W
sTP
G
P s T
 (4) 
Trong đó 𝑇𝑡(s) là hằng số thời gian đặc 
trưng cho tuabin hơi. 𝑇𝑊(s) là hằng số 
thời gian đặc trưng cho tuabin thủy lực. 
Một máy phát điện chuyển đổi năng 
lượng cơ nhận được từ tuabin thành năng 
lượng điện. Khi phụ tải thay đổi, công 
suất cơ từ tuabin sẽ không còn cân bằng 
với công suất điện được tạo ra bởi máy 
phát điện. Do đó công suất cơ cung cấp 
cho máy phát điện phải được tăng lên để 
đáp ứng sự mất cân bằng của ∆𝑃𝐺(𝑠) −
∆𝑃𝐿(𝑠), được gọi là ∆Pm(s). Do đó, hàm 
truyền đạt của máy phát có nhiễu tải 
(∆𝑃𝐿) được biểu diễn trong phương trình 
(5) như sau [9-12]: 
Ts
K
sP
sf
sG
m
MF
.1)(
)(
)(
 (5) 
Trong đó K (Hz/pu.MW), và T(s) là hằng 
số và hệ số thời gian đặc trưng cho máy 
phát điện. 
Công suất đường dây từ khu vực 1 đến 
khu vực 2 được tính như sau [9]: 
 21
12
21
12 sin.
.
 
X
VV
Ptie
(6) 
Trong đó 𝛿1 và 𝛿2 là các góc pha của điện 
áp cuối 𝑉1 và 𝑉2 tương ứng. 
Sai lệch công suất trao đổi đường dây từ 
khu vực 1 đến khu vực 2 có thể được biểu 
thị bằng: 
 211212  TPtie (7) 
Trong đó: 
 21
12
21
12 sin.
.
 
X
VV
T (MW/rad) là 
hệ số đồng bộ công suất. Tần số thay đổi 
có liên quan đến độ lệch góc pha được 
biểu thị như sau: 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
22 Số 18 
  dtf11 .2 và 
  dtf22 .2 (8) 
Do đó, phương trình (5) trở thành 
  dtffTsPtie 211212 .2)( (9) 
Biến đổi Laplace phương trình (9), ta có: 
 )()(.
.2
)( 21
12
12 sfsf
s
T
sPtie 

 (10) 
Trong một hệ thống điện liên kết với 
nhau, có rất nhiều khu vực điều khiể ... . Sơ đồ nguyên lý bộ điều khiển MRAC 
Cấu trúc bộ điều khiển MRAC sử dụng 2 
mạng nơron: mạng điều khiển và mạng 
mô hình đối tượng (xem hình 11). Bộ điều 
khiển làm nhiệm vụ huấn luyện điều 
chỉnh sao cho thông số đầu ra của đối 
tượng y(t) bám theo thông số đầu ra của 
mô hình mẫu 𝑦𝑚(𝑡). Hiệu quả của bộ điều 
chỉnh này sẽ được chứng minh qua phần 
mô phỏng ở phần tiếp theo. 
T
D
L
T
D
L
T
D
L
IW1,2
IW1,1
IW3,1
b1
LW2,1
+
b2
f1 + f2
T
D
L
T
D
L
Plant
LW3,2
b3
LW3,4
+ f3
LW4,3
b4
+ f4
+
 n^1(f)
1
n^2(f)
 a^2(t)
1
n^3(f)
a^3(t)
1
 n^4(f)
 e(t)
Neural Network Plant Model
+
𝒆𝒄(𝒕) 
𝒆𝒑(𝒕) 
𝒚(𝒕) 
𝒓(𝒕) 
𝒚^𝟒(𝒕) 
Hình 12. Bộ điều khiển thực hiện với mô hình MRAC 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
26 Số 18 
4. KẾT QUẢ MÔ PHỎNG VÀ NHẬN XÉT 
Trong phần này, bốn bộ điều khiển tần 
số - phụ tải sẽ được sử dụng đồng thời 
trong cùng một sơ đồ mô phỏng để phục 
vụ việc so sánh và đánh giá. Cụ thể ta sử 
dụng bộ điều khiển thông thường PID và 
ba bộ điều khiển thông minh ứng dụng 
mạng nơron đã xét trong bài báo. Ta sử 
dụng phần mềm MATLAB/Simulink để 
mô phỏng hệ thống điện liên kết 3 khu 
vực như đã xét ở trên. Sơ đồ mô phỏng 
được thể hiện như trên hình 13, thông số 
của các bộ điều khiển được đưa ra trong 
bảng 1 và các thông số của các khu vực 
được lấy ở phụ lục [9-12]. 
Hình 13. Sơ đồ mô phỏng hệ thống điện liên kết 3 khu vực trong phần mềm Matlab/Simulink 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 18 27 
Bảng 1. Thông số của các bộ điều khiển 
Bộ điều khiển Thành phần Thông số Khu vực 1 Khu vực 2 Khu vực 3 
 KP 0 -0,78708191 0 
PID KI -0,4395524 -0,03681396 -0,2258644 
 KD 0 23,35757560 0 
 Kích thước lớp ẩn 9 9 9 
 Chu kì trích mẫu (sec) 0,8 0,8 0,8 
 Số lượng mẫu 6000 6000 6000 
 Đầu vào hệ thống cực đại 0,0102 0,01 0,01 
 Đầu vào hệ thống cực tiểu -0,01 0 0 
 Đầu ra hệ thống cực đại 0,02 0,025 0,045 
 Đầu ra hệ thống cực tiểu -0,02 -0,18 -0,055 
NARMA-L2 Khoảng thời gian cực đại (sec) 1 1 1 
 Khoảng thời gian cực tiểu (sec) 0,1 0,1 0,1 
 Hàm đào tạo trainlm trainlm trainlm 
 Điều khiển dự 
báo dựa trên 
mạng nơ-ron 
Cost Horizon 9 9 9 
 Control Horizon 2 2 2 
 Trọng số điều khiển 0,05 0,05 0,05 
 Thông số tìm kiếm 0,001 0,001 0,001 
 Số chu kì/mẫu 2 2 2 
 Kích thước lớp ẩn 7 7 7 
 Chu kì trích mẫu (sec) 0,8 0,8 0,8 
 Số mẫu huấn luyện 6000 6000 6000 
 Nhận dạng đối Đầu vào hệ thống cực đại 0,0102 0,01 0,011 
MPC tượng điều khiển Đầu vào hệ thống cực tiểu 0,01 0 0,01 
 Đầu ra hệ thống cực đại 0,02 0,025 0,045 
 Đầu ra hệ thống cực tiểu -0,02 -0,18 -0,055 
 Khoảng thời gian cực đại (sec) 1 1 1 
 Khoảng thời gian cực tiểu (sec) 0,1 0,1 0,1 
 Hàm đào tạo trainlm trainlm trainlm 
 Kích thước lớp ẩn 9 9 9 
 Giá trị đặt cực đại 0,01 0,01 0,01 
 Giá trị đặt cực tiểu 0 0 0 
 Khoảng thời gian lớn nhất (sec) 1 1 1 
 Điều khiển dựa Khoảng thời gian nhỏ nhất (sec) 0,1 0,1 0,1 
 theo mô hình Chu kì trích mẫu (sec) 0,8 0,8 0,8 
 mẫu Số mẫu đã huấn luyện 6000 6000 6000 
 Các giai đoạn huấn luyện bộ điều 
khiển 
10 10 10 
 Số phân đoạn huấn luyện bộ điều 
khiển 
30 30 30 
 Kích thước lớp ẩn 7 7 7 
 Chu kì trích mẫu (sec) 6000 6000 6000 
 Số mẫu huấn luyện 0,01 0,01 0,01 
MRAC Nhận dạng đối Đầu vào hệ thống cực đại 0 0,0 0 
 tượng điều Đầu vào hệ thống cực tiểu 0,02 0,025 0,045 
 khiển Đầu ra hệ thống cực đại -0,02 -0,18 -0,055 
 Đầu ra hệ thống cực tiểu 1 1 1 
 Khoảng thời gian cực đại (sec) 0,1 0,1 0,1 
 Hàm đào tạo trainlm trainlm trainlm 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
28 Số 18 
Kết quả mô phỏng độ lệch tần số (∆f) và 
độ lệch công suất đường dây (∆Ptie) của 
tất cả ba khu vực được thể hiện ở trong 
hình 14 và hình 15. 
Hình 14. Độ lệch tần số (∆f) 
Hình 15. Độ lệch công suất trao đổi đường dây các khu vực: 
(a) Độ lệch công suất trao đổi đường dây khu vực 1, (b) Độ lệch công suất trao đôi đường dây 
khu vực 2, (c) Độ lệch công suất trao đôi đường dây khu vực 3 
0 20 40 60 80 100 120 140 160
-0.05
-0.04
-0.03
-0.02
-0.01
0
0.01
0.02
 Thoi gian (s)
D
o
 le
c
h
 t
a
n
 s
o
 (
H
z
)
NARMA-L2
PID
MRAC
No Controller
MPC
0 20 40 60 80 100 120 140 160
-4
-2
0
2
4
6
8
10
12
14
16
x 10
-3
 Thoi gian (s)
( a )
D
o
 le
ch
 c
on
g 
su
a
t d
uo
n
g 
d
ay
 k
hu
 v
u
c 
1 
(p
u
)
NARMA-L2
PID
MRAC
No Controller
MPC
0 20 40 60 80 100 120 140 160
-16
-14
-12
-10
-8
-6
-4
-2
0
2
x 10
-3
 Thoi gian (s)
( b )
D
o
 le
ch
 c
on
g 
su
a
t d
uo
n
g 
d
ay
 k
hu
 v
u
c 
2 
(p
u
)
NARMA-L2
PID
MRAC
No Controller
MPC
0 20 40 60 80 100 120 140 160
-6
-4
-2
0
2
4
6
8
10
12
14
x 10
-3
 Thoi gian (s)
( c )
D
o
 le
ch
 c
on
g 
su
a
t d
uo
n
g 
d
ay
 k
hu
 v
u
c 
3 
(p
u
)
NARMA-L2
PID
MRAC
No Controller
MPC
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 18 29 
Các đồ thị trên cho thấy quá trình áp dụng 
các bộ điều khiển để xây dựng và mô 
phỏng bài toán điều khiển tần số như sau: 
Khi không có điều khiển thì các khu vực 
tồn tại một độ lệch tần số (∆𝑓 khác 0) và 
công suất giữa các khu vực không được 
phân bố với nhau theo đúng yêu cầu (∆Ptie 
khác 0). Còn khi có các bộ điều khiển thì 
tần số đã được đưa về đúng giá trị khi phụ 
tải thay đổi (∆𝑓 = 0), đồng thời phân bố 
được công suất giữa các khu vực với nhau 
qua các đường dây liên kết theo yêu cầu 
(∆Ptie=0). Với bộ điều khiển PID thông 
thường thì có chất lượng chưa được tốt so 
với các bộ điều khiển mạng nơron, còn 
các bộ điều khiển ứng dụng mạng thần 
kinh nơron thì thời gian đáp ứng khá 
nhanh chất lượng điều khiển rất tốt. 
Hơn nữa, để chứng minh các kết quả thu 
được một cách số hóa, bảng 2 đưa ra sự 
so sánh giữa bộ điều khiển PID với các bộ 
điều khiển thông minh dùng mạng nơron 
thông qua một số chỉ tiêu chất lượng điều 
khiển. Theo bảng 2, sai số xác lập của bộ 
điều khiển NARMA-L2 là 0 và so sánh cụ 
thể các thông số khác như sau: đối với 
khu vực 1 ta thấy: thời gian quá độ của bộ 
điều khiển NARMA-L2 thấp hơn 17 giây 
so với bộ điều khiển PID, 12 giây so với 
bộ điều khiển MRAC và 10 giây so với 
bộ điều khiển MPC. Độ lệch tần số lớn 
nhất thấp hơn 3.10−4 Hz so với MPC, 
0,0213 Hz so với PID, và 4.4−3 Hz so với 
MRAC. Khu vực 2: thời gian quá độ thấp 
hơn 18 giây so với bộ PID, 5 giây so với 
MRAC, và 9 giây so với MPC. Độ lệch 
tần số lớn nhất thấp hơn 0,017Hz so với 
bộ PID, 1.3−3 Hz so với MPC, và 
0,011Hz so với MRAC. Khu vực 3: thời 
gian quá độ thấp hơn 14 giây so với các 
bộ điều khiển PID, 10 giây các bộ điều 
khiển MPC và MRAC. Độ lệch lớn nhất 
thấp hơn 0,0172 Hz so với PID; 0,0022 
Hz so với MRAC và lớn hơn 0,0018 Hz 
so với MPC. Do đó, bộ điều khiển 
NARMA-L2 đã đạt được chất lượng đầu 
ra tốt hơn so với bộ điều khiển thông 
thường. Điều này cho thấy sự lựa chọn 
mô hình NARMA-L2 là giải pháp hiệu 
quả nhất để điều khiển tần số trong mô 
hình hệ thống điện điển hình đang xét. 
Ngoài ra, khi phụ tải của một vùng nào đó 
tăng lớn hơn công suất phát của khu vực 
đó làm cho tần số lưới bị giảm thì phụ tải 
của khu vực này lấy thêm công suất của 
các khu vực còn lại nếu các khu vực còn 
lại còn có đủ công suất huy động. Ngược 
lại các khu vực còn lại không còn đủ công 
suất huy động thì các kỹ sư điều độ sẽ can 
thiệp ra lệnh khởi động thêm các tổ máy 
đang ở trạng thái dự phòng và các máy 
phát chạy dầu Nếu tần số vẫn tiếp tục 
giảm đe dọa đến độ hoạt động ổn định của 
hệ thống điện thì sẽ tiến hành sa thải phụ 
tải để đưa tần số lưới điện trở về đúng giá 
trị danh định. 
Bảng 2. So sánh các chỉ tiêu chất lượng điều khiển của các bộ điều khiển tần số khác nhau 
 Không điều khiển PID NARMA-L2 MPC MRAC 
 Thời gian quá độ (giây) 90 115 98 112 113 
∆𝑓1 Độ lệch lớn nhất (Hz) -0,033 -0,0479 -0,0266 -0,0269 -0,031 
 Sai số xác lập -0,005 0 0 0 0 
 Độ quá điều chỉnh (%) 0,066 0,0958 0,0532 0,0538 0,062 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
30 Số 18 
 Không điều khiển PID NARMA-L2 MPC MRAC 
 Thời gian quá độ (giây 90 115 99 108 104 
∆𝑓2 Độ lệch lớn nhất (Hz) -0,0367 -0,044 -0,027 -0,0283 -0,029 
 Sai số xác lập -0,005 0 0 0 0 
 Độ quá điều chỉnh (%) 0,0734 0,088 0,054 0,0566 0,076 
 Thời gian quá độ (giây 90 114 100 110 110 
∆𝑓3 Độ lệch lớn nhất (Hz) -0,0331 -0,044 -0,0268 -0,025 -0,029 
 Sai số xác lập -0,005 0 0 0 0 
 Độ quá điều chỉnh (%) 0,0662 0,088 0,0536 0,05 0,058 
5. KẾT LUẬN VÀ KIẾN NGHỊ 
Bài báo đã trình bày về vấn đề điều khiển 
tần số phụ tải của lưới điện lớn thông qua 
áp dụng các bộ điều khiển truyền thống và 
nâng cao. Với các kết quả mô phỏng thu 
được trong bài báo này, và so sánh với 
các bài báo đã từng đề cập đến đề tài này 
ta có thể nhận ra rằng bộ điều khiển 
NARMA-L2 nên được sử dụng để duy trì 
tần số điện tại giá trị danh nghĩa và ổn 
định công suất trao đổi trên đường dây. 
Cụ thể, bộ điều khiển NARMA-L2 đạt 
được độ quá điều chỉnh nhỏ, thời gian xác 
lập nhanh, sai số xác lập gần như bằng 0, 
góp phần điều khiển tần số lưới điện 
chống lại sự biến thiên của phụ tải. Tuy 
nhiên, bộ điều khiển này vẫn có mặt hạn 
chế là thời gian huấn luyện khá lâu và 
phức tạp. Vì thế định hướng trong tương 
lai là: kết hợp các bộ điều khiển nơron với 
các bộ điều khiển hiện đại khác, ví dụ, 
mạng điều khiển thích nghi, kiến trúc 
logic mờ để thích ứng hiệu quả hơn với sự 
đa dạng và phức tạp của các hệ thống điện 
quy mô lớn hơn trong thực tế. Những kết 
quả trên còn hạn chế do chỉ là mô hình 
trên phần mềm mô phỏng, vì vậy các hệ 
thống điện lớn cần được chú trọng mô 
hình hóa và tìm ra giải pháp điều khiển tốt 
nhất, đảm bảo tính ổn định hiệu quả trong 
vấn đề truyền tải và vận hành hệ thống. 
PHỤ LỤC 
 𝑇𝑔1=𝑇𝑔3= 0,08; 𝑇𝑔2= 48,7: hằng số thời 
gian của bộ điều tốc (giây); 
 𝑇𝑡1=𝑇𝑡3=0,3; 𝑇𝑊= 1: hằng số thời gian 
của tuabin (giây); 
 𝑇𝑟3=10: hằng số thời gian hồi nhiệt 
(giây); 
 𝐾r3=0,5: hệ số hồi nhiệt; 
 𝑇𝑅2=5; 𝑇𝐻2=0,513: hằng số thời gian của 
điều tốc thủy lực (giây); 
𝑇1=T3=20; 𝑇2= 13: hằng số thời gian của 
máy phát điện (giây); 
 𝐾𝑃1=𝐾𝑃3= 120; 𝐾𝑝2=80: hệ số khuếch 
đại trong mô hình qui đổi của máy phát 
điện và phụ tải (Hz/pu MW); 
 𝑅1=𝑅2=𝑅3= 2,4: hệ số điều chỉnh tốc độ 
(Hz/pu MW); 
 𝐵1=𝐵2=𝐵3= 0,425: hệ số độ lệch tần số 
(pu MW/Hz); 
 𝑇12=𝑇13=𝑇21=𝑇23=𝑇31=𝑇32= 0,0707: hệ 
số đồng bộ công suất (MW/rad); 
 ∆𝑃𝐿1=∆𝑃𝐿2=∆𝑃L3=0,01: giá trị thay đổi 
phụ tải (pu); 
𝑃𝑡𝑖𝑒,𝑚𝑎𝑥=200: công suất trao đổi lớn nhất 
giữa các khu vực (MW); 
𝑃𝐺1=𝑃𝐺3=200; 𝑃𝐺2=150: công suất phát 
của các máy phát điện (MW). 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 18 31 
TÀI LIỆU THAM KHẢO 
[1] I.J. Nagrath and D.P.Kothari, Modern Power System Analysis, Fourth edition, McGraw Hill, 2011. 
[2] Jun Li, Weiwei Li, “Application and Research of AGC Control of Thermal Power Generating Unit”, 
jinan, P R china, IEEE 2012. 
[3] Swasti R. Khuntia, Sidhartha Panda, “A Novel Approach for Automatic Generation Control of a 
Multi-Area Power System”, Dept. of Electrical & Electronics Engg., National Institute of Science and 
Technology, Berhampur, Orissa, IEEE 2011. 
[4] Mohamed Ismail, M.A.M. Hassan, “Load Frequency Control Adaption using Artificial Intelligent 
Techniques for One and Two Different Areas Power System”, IJCAS, vol.1.no.1, Jan. 2012. 
[5] C.C. Aggarwal, Neural Networks and Deep learning: A Textbook, Springer, 1st edition, Aug. 2018. 
[6] Kamel Sabahia, Easa Narimania, ahmad faramarzib, “Dynamic Neural Network for AGC in 
Restructure Power System” , International Conference on Power and Energy (PECon2010), Kuala 
Lumpur, Malaysia, IEEE Nov 29 - Dec, 2010. 
[7] A.K. Pal, P. Bera, K. Chakraborty, “AGC in Two-area Deregulated Power System Using Reinforced 
Learning Neural Network Controller”, Kalyani, West Bengal, India, IEEE 2014. 
[8] Hagan, M.T., H.B. Demutth, and M.H. Beale, Neural Network Design, Boston, MA: PWS Publishing, 
1996. 
[9] J.D. Glover, T.J. Overbye, M.S. Sarma, Power System Analysis & Design, 6th edition, CENGAGE 
Learning, 2017. 
[10] S. Saxena, Y.V.Hote, Stabilization of Perturbed System via IMC: An application to load frequency 
control, 2017. 
[11]  
[12] Dimitra Apostolopoulou, Peter W. Sauer, and Alejandro D. Domınguez-Garcıa, “Automatic 
Generation Control and its Implementation in Real Time”,47th Hawaii International Conference on 
System Science, IEEE 2014. 
Giới thiệu tác giả: 
Tác giả Nguyễn Ngọc Khoát tốt nghiệp đại học chuyên ngành tự động hóa năm 
2007, nhận bằng Thạc sĩ chuyên ngành điều khiển và tự động hóa năm 2009 tại 
Trường Đại học Bách khoa Hà Nội; nhận bằng Tiến sĩ chuyên ngành khoa học và 
kỹ thuật điện tử năm 2015 tại Trường Đại học Khoa học và kỹ thuật điện tử Trung 
Quốc. Hiện nay tác giả đang là giảng viên và Phụ trách Bộ môn Kỹ thuật điều 
khiển, Khoa Điều khiển và Tự động hóa, Trường Đại học Điện lực. 
Lĩnh vực nghiên cứu: các nguồn năng lượng mới, điều khiển thông minh trong lưới 
điện, các hệ thống truyền động và điện tử công suất thông minh. 
Tác giả Vũ Duy Thuận tốt nghiệp đại học chuyên ngành đo lường và tin học công 
nghiệp năm 2004, nhận bằng Thạc sĩ chuyên ngành điều khiển và tự động hóa 
năm 2008 tại Trường Đại học Bách khoa Hà Nội; nhận bằng Tiến sĩ chuyên ngành 
lý thuyết điều khiển và điều khiển tối ưu năm 2018 tại Viện Hàn lâm Khoa học và 
Công nghệ Việt Nam. Hiện nay, tác giả đang là giảng viên và là Trưởng khoa Điều 
khiển và Tự động hóa, Trường Đại học Điện lực. 
Lĩnh vực nghiên cứu: các nguồn năng lượng mới, điều khiển thông minh, PLC và 
robot. 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
32 Số 18 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 18 33